Nous sommes data analyst dans une jeune maison de disque, l’objectif du projet est de découvrir le segments du
marché le plus profitable et d’y detecter les artistes émergents sur lesquels investir. Pour atteindre cet
objectif, nous souhaitons développer un outil de machine learning qui permettrait de prédire la popularité d’une
chanson.
Par où commencer ?
Choisir la bonne plateforme - Trouver les données nécessaires à notre
analyse
Spotify
205
millions d'abonnés
489
millions d'utilisateurs actifs dans le monde
10,9
milliards de dollars de chiffres d'affaires
183
pays et territoires
Deezer
9,3
millions d'abonnés
250
millions d'utilisateurs actifs dans le monde
317,2
milliards de dollars de chiffres d'affaires
3
pays et territoires
Etudes des genres les plus populaires
Nous positionner sur le marché pertinent
Evolution des genres musicaux de 1999 à 2019 :
Recrudesence de la Pop et de la Hip Hop
Etudes des genres musicaux en entonnoir :
Dominance de la Pop et de la Rap. Un style entre les deux se démarque la Pop Rap
Recherche des genres les plus populaires par stream
Dominance de la Pop et de la Rap. Un style entre les deux se démarque la Pop Rap
Recherche des genres les plus populaires par followers
Dominance de la Pop et de la Rap. Un style entre les deux se démarque la Pop Rap
Miser sur le bon artiste
Déterminer l'artiste émergent en Pop Rap.
Qu'est-ce qu'un artiste émergent ?
Etre un artiste avec moins de 10 000 followers
Avoir une présence importance dans la milieu de la musique, traduit par le score de popularité Spotify
Notre métrique : le ratio de Popularity par le nombre de followers
Plus le ratio est bas (proche de zéro), plus le nombre de followers est à même d'expliquer le score de Popularity
Plus le ratio est haut (éloigné de zéro), plus la marge de progression sur la plateforme est forte
Caractéristiques d'une track sur Spotify
Spotify détermine différentes caractéristiques pour une chanson, ce qui lui permet de faire des recommandations à
ses utilisateurs.
Danceability
Acousticness
Energy
Instrumentalness
Liveness
Loudness
Speechiness
Tempo
Valence
Key
Mode
Time Signature
Analyse et prédiction
(Is it still Kind of Magic ?)
Analyser les features Spotify pour optimiser sa popularité.
Evolution des features dans le temps (1920 à 2020)
Demande croissante pour des musiques énergiques et dansantes.
placeholder for bar char genre by followers
Peut-on prédire le Hit ou le Flop dans le Pop Rap en fonction de ces features ?
Ces données ne sont pas suffisantes en soit.
placeholder for bar char genre by followers
Ces données sont-elles pourtant dénuées de pertinence et à rejeter ?
Ces données nous donne une idées des standards musicaux attendus.
placeholder for bar char genre by followers
Ces données sont-elles pourtant dénuées de pertinence et à rejeter ?
Ces données nous donne une idées des standards musicaux attendus.
placeholder for bar char genre by followers
Conclusion
Analyser les features Spotify pour optimiser sa popularité.
Ces données sont-elles pourtant dénuées de pertinence et à rejeter ?
Notre méthodologie 'data driven' nous a permis de prendre d'une décision sur un artiste émergent
Notre modèle a été moins performant que prévu par manque de données
Nous avons besoin d'élements extrinsèques à nos données:
Le budget communication aloué à un artiste (la visibilité)(budget ads, réseaux sociaux etc.)
La symbolique qu'il représente (l'image de l'artiste et sa dimension sociologique)
présence sur les réseaux sociaux
placeholder for bar char genre by followers
Ouverture
Analyser les features Spotify pour optimiser sa popularité.
Le clustering des genres en fonction de leurs caractéristiques.
La perception du public par une analyse des sentiments sur les réseaux sociaux de nos artistes.
